مسلم ثروتی؛ حمیدرضا ممتاز
چکیده
در دهه‌های اخیر اندازه‌گیری غیرمستقیم ظرفیت تبادل کاتیونی (CEC) با استفاده از توابع انتقالی مختلف موفقیت‌آمیز بوده است. شبکه عصبی مصنوعی (ANN) نسبت به روش‌های رگرسیون آماری دارای نتایج مناسب‌تری بوده ولی با داده‌های اندک کارایی بالایی نداشته و از سوی دیگر فاقد یک روش استقرایی جامع در انتخاب الگوریتم یادگیری شبکه و توقف در حداقل محلی ...
بیشتر
در دهه‌های اخیر اندازه‌گیری غیرمستقیم ظرفیت تبادل کاتیونی (CEC) با استفاده از توابع انتقالی مختلف موفقیت‌آمیز بوده است. شبکه عصبی مصنوعی (ANN) نسبت به روش‌های رگرسیون آماری دارای نتایج مناسب‌تری بوده ولی با داده‌های اندک کارایی بالایی نداشته و از سوی دیگر فاقد یک روش استقرایی جامع در انتخاب الگوریتم یادگیری شبکه و توقف در حداقل محلی است. در این راستا استفاده از الگوریتم‌های بهینه‌سازی ضروری به‌نظر می‌رسد. هدف از این تحقیق، ارزیابی کارایی الگوریتم‌های کرم شب‌تاب (FA) و ژنتیک (GA) در تخمین CEC با استفاده از ANN است. برای نیل به اهداف فوق 220 نمونه از منطقه گلفرج به‌صورت تصادفی برداشته شد. سپس مدل‌سازی با سه مدل ANN، شبکه عصبی مصنوعی-ژنتیک (ANN-GA) و شبکه عصبی مصنوعی-کرم شب‌تاب (ANN-FA) انجام شد. در این تحقیق شبکه‌های عصبی با ساختار پرسپترون چندلایه، با الگوریتم پس انتشار خطا، تابع آموزشی بایزین و تابع محرک سیگموئید آکسون با 5 نرون مناسب‌ترین ساختار بوده است. نتایج نشان داد که مدل ANN-FA دارای بیشترین کارایی بوده، به‌طوری‌که ضریب تبیین و میانگین انحراف مربعات خطا و ضریب نش- ساتکلیف به‌ترتیب در مرحله آموزش 94/0، 31/1 و 53/0 و در مرحله آزمون 97/0، 06/1 و 59/0 بوده و مدل ANN-GA در مقام دوم از نظر کارایی بوده است. میانگین هندسی نسبت خطا 84/0 برای مدل ANN-FA بوده که نشان دهنده بیش برآوردی نسبی آن است. نهایتاً مدل پیشنهادی برای تخمین ویژگی خروجی مناسب بوده و کاربرد الگوریتم بهینه‌سازی کرم شب‌تاب و ژنتیک، حاکی از کاربردی بودن این الگوریتم‌ها در فرآیندهایی با طبیعت پیچیده و غیرخطی است.
علی باریکلو؛ پریسا علمداری؛ کامران مروج؛ مسلم ثروتی
چکیده
از اهداف کشاورزی پایدار افزایش راندمان تولید محصولات کشاورزی با اعمال مدیریت‌های صحیح بوده و لازمه آن درک کامل‌تر روابط بین میزان تولید محصول با ویژگی‌های خاک و محیط می‌باشد. نخستین قدم یافتن روش‌های مناسبی است که توانایی تعیین روابط صحیح بین ویژگی‌های اراضی با مقدار عملکرد محصول باشد. هدف از این مطالعه بررسی کارایی مدل ترکیبی ...
بیشتر
از اهداف کشاورزی پایدار افزایش راندمان تولید محصولات کشاورزی با اعمال مدیریت‌های صحیح بوده و لازمه آن درک کامل‌تر روابط بین میزان تولید محصول با ویژگی‌های خاک و محیط می‌باشد. نخستین قدم یافتن روش‌های مناسبی است که توانایی تعیین روابط صحیح بین ویژگی‌های اراضی با مقدار عملکرد محصول باشد. هدف از این مطالعه بررسی کارایی مدل ترکیبی ژنتیک-عصبی در برآورد عملکرد گندم آبی در غرب شهرستان هریس می‌باشد. منطقه مطالعاتی در شمال‌شرق تبریز واقع شده و رژیم حرارتی و رطوبتی خاک به‌ترتیب مزیک و اریدیک هم مرز با زریک می‌باشد. گندم، هندوانه و یونجه از مهم‌ترین محصولات زراعی منطقه است. بدین منظور تعداد 80 خاکرخ در مزارع گندم انتخاب و از هر افق ژنتیکی نمونه خاک اخذ و به آزمایشگاه منتقل و تجزیه‌های فیزیکی و شیمیایی روی نمونه‌ها صورت گرفت. جهت مدل‌سازی لایه‌های ورودی شامل ویژگی‌های شیمیایی، فیزیکی، زمین‌نما و خروجی عملکرد مشاهده شده گندم آبی می‌باشد. نتایج آنالیز حساسیت نشان داد که نیتروژن کل، فسفر قابل جذب، شیب، درصد سنگریزه، واکنش خاک و ماده آلی به عنوان ویژگی‌های اراضی مهم در عملکرد گندم در اراضی مورد مطالعه هستند. نیتروژن کل خاک به‌عنوان موثرترین ویژگی در کیفیت و کمیت عملکرد گندم بر اساس ماتریس همبستگی پیرسون ایجاد شده بین ویژگی‌ها و عمکرد می‌باشد. کارایی مدل ژنتیک- عصبی با موفقیت برای تشریح رابطه بین عملکرد گندم و ویژگی‌های زودیافت صورت گرفت، به‌طوری‌که دارای ضریب تببین بالا (87/0) و میانگین انحراف مربعات خطا کم (5/473) بود. نهایتاً می‌توان نتیجه گرفت، مدل هیبریدی می‌تواند به‌عنوان یک ابزار قدرتمند در تخمین عملکرد گندم باشد.
